階段 1 基礎工具

AI 工程師的第一步不是神經網路,而是把 Python 與開發工具練成反射動作:資料進得來、圖畫得出、程式碼管得住。

這一階段學什麼

• Python 基礎語法:資料型別、流程控制、函式與套件管理,寫得出能重複使用的小工具。
• NumPy/Pandas/Matplotlib:陣列運算、表格處理與視覺化 — 之後所有 ML 專題的資料前處理都靠這三件套。
• Jupyter/VS Code:Notebook 適合探索與敘事,VS Code 適合寫正式程式,兩種模式都要順手。
• Git/GitHub:commit、branch、push 基本功,程式碼有歷史、可回溯,也是日後作品集的基地。

為什麼是現在學

這條主線後面每一站 — 階段 2 的數學實作、階段 3 的建模、階段 5 的 RAG — 工作介面全是 Python。現在不把 Pandas 和 Git 練順,之後會同時跟「新觀念」和「不熟的工具」兩線作戰,雙倍痛苦。

怎麼練(具體行動)

1. 挑一份感興趣的公開資料集,台灣政府開放資料平台就很好用。
2. 完成一份 Notebook:讀取資料、清理缺值與型別、畫三張圖、寫出三點結論。
3. 把 Notebook 推上 GitHub,README 寫清楚資料來源與發現。
4. 全程用 Git 管理,累積至少五次有意義的 commit。

完成標準

• 交出「讀取→清理→視覺化→輸出結論」完整的入門資料分析小專題。
• 拿到新資料集,能不查語法地完成基本探索與分組彙總。

⚠️ 常見誤區:教學影片看了三十小時、自己動手寫不到三小時 — 手感只能用鍵盤換。